鍾國亮 Kuo-Liang Chung

對影像處理相關重要實務議題做出開創性貢獻

我的研究工作主要在影像處理方面，長期的第一線研究工作具有相當的挑戰，但同時帶給我很大的樂趣。我所提出的原創方法對解決相關之實務且重要問題，做出了很大的貢獻。我挑出最具代表性的六個學術研究成果，簡述如下：

1. 提出一套結合圖論與數值方法的模型以解決多張影像拼接後常面臨的「多視角影像顏色校正」問題，可有效消除拼接線及大幅提高影像品質。(K.L. Chung* and C.Y. Lee, Fusion-Based Multiview Color Correction via Minimum Weight-First-Then-Larger Outdegree Target Image Selection, 《IEEE Trans. on Geoscience and Remote Sensing》, 62, pp. 1-16, Sep. 2024)

2. 針對相機Bayer CFA影像在壓縮前的彩度抽樣問題，提出一套嚴謹的凸函數模型，並推導出迭代演算法，可有效提升解壓後的影像品質。(K.L. Chung*, Y.L. Lee, and W.C. Chien, Effective Gradient Descent-based Chroma Subsampling Method for Bayer CFA Images in HEVC, 《IEEE Trans. on Circuits and Systems for Video Technology》, 29(11), pp. 3281-3290, Nov. 2019)

3. 提出內容感知的彩度重建法，在client端可精確的預測在壓縮前，server端是如何進行彩度抽樣，從而利用幾何校準技巧，達到更好的彩度重建。 (K. L. Chung*, Y. C. Liang, and C. S. Wang, Effective Content-aware Chroma Reconstruction Method for Screen Content Images, 《IEEE Trans. Image Processing》, 28(3), pp. 1108-1117, Mar. 2019)

4. 首度提出全彩影像在壓縮前的彩度抽樣可兼顧亮度修正，並提出失真最小化的數學優化模型，對解壓縮後的影像品質提升，做出了原創貢獻。(K.L. Chung*, T.C. Hsu, and C.C. Huang, Joint Chroma Subsampling and Distortion-Minimization-Based Luma Modification for RGB Color Images with Application, 《IEEE Trans. on Image Processing》, 26(10), pp. 4626-4638, Oct. 2017)

5. 設計出目前計算複雜度最低的霍夫曼解碼器，對降低普遍被使用於壓縮器的霍夫曼編碼器的解碼時間，做出了基礎貢獻。(K.L. Chung* and J.G. Wu, Level-compressed Huffman decoding, 《IEEE Trans. on Communications》, 47(10), pp. 1455-1457, Oct. 1999)

6.推導出目前計算複雜度最低的Complex Householder Transform新公式，對持續被應用在通訊及天線領域應用上的複數QR分解之前置處理上，在大幅降低處理時間上，做出了基礎貢獻。(K.L. Chung* and W.M. Yan, The Complex Householder Transform, 《IEEE Trans. on Signal Processing》, 45(9), pp. 2374-2376, 1997)